austindev的博客

Pytorch使用optim模块训练线性回归模型About-简介在上一篇中利用PyTorch Autograd自动求导训练线性回归模型我们完成的程序,其实还有进一步优化的空间,主要使用的就是PyTorch optim模块所以我们本篇文章主要讲述通过optim模块优化此前的线性模型,主要包括以下几点:optim模块使用简介SGD 使用Adam 使用optim模块使用简介optim 是PyTorch中一系列优化算法的实现主要包括以下几个方法:import torch.optim a

利用PyTorch的自动求导训练线性回归模型About-说明第一篇文章中pytorch基础入门 训练原始的线性模型,我们用手动计算微分的方式,实现了基于Python语言的线性回归模型训练;这虽然非常适合理解相关概念,但是实现方式是非常原始的.在查看PyTorch相关文档时,很容易就发现它把 Autograd(自动求导) 作为一个突出的优势,所以这篇文章旨在了解 Autograd的概念上,实现上一篇文章的线性回归模型.归纳而言,这篇会相对简单,主要包含以下几点:PyTorch Autograd

pytorch基础入门一: 训练原始的线性模型Backgroud 背景说明由于公司业务需要(基于单张全景图的三维场景重建),从五一开始拾起了神经网络的学习;嗯!这个月的flag就是五月份完成业务模型的技术验证;搜索到的几篇文章,都是基于PyTorch搭建的模型,那理所当然也就踏入PyTorch的世界;按照以往的学习习惯,一切从官网文档开始入手;看 官网入门指南 第一节讲tensor的主要操作,这一部分理解起来问题不大,就是一些细节需要在具体使用中熟悉;第二节 AUTOGRAD 自动求导,也能明白个

Python 中用matplotlib 画出 numpy.random.beta分布Background 背景说明在学习中碰到beta分布, 刚好又在熟悉 numpy 以及 matplotlib 库,所以干脆就拿 matplotlib 实现 beta 分布作为练手所以本篇文章主要包含以下几点:熟悉Beta分布matplotlib 画 Beta分布图matplotlib 各属性设置matplotlib 支持中文标题Β分布Β分布在概率论中，Β分布也称贝塔分布（Beta distri